论文部分内容阅读
随着旋转机械故障诊断技术的不断研究与发展,它已经开始为人们所重视。而在工程实践中,随着设备的复杂度和信息量的增加,人们要获得的原始特征数据集变得越来越困难,呈现出信息量大、知识匮乏等问题。因此,如何从海量监测系统能采集的数据中去除不相关干扰与冗余信息十分重要,是当今故障诊断数据挖掘领域应该重点关注的问题。本项研究充分使用数据挖掘方法中的流形学习方法,开展对故障数据分类的降维研究。流形学习方法是一种能有效发现潜在于结构本质中信息的大数据驱动的方法。本研究的工作主要包含以下内容:1)将实验台上采集到的数